汪 秋 菊 ,黃 明 ,劉 宇*

(1.北京聯(lián)合大學(xué)旅游學(xué)院，北京 100101；2.北京建筑大學(xué)測繪學(xué)院，北京 100044)

?

城市旅游客流量—網(wǎng)絡(luò)關(guān)注度空間分布特征與耦合分析

汪 秋 菊1,黃 明2,劉 宇1*

(1.北京聯(lián)合大學(xué)旅游學(xué)院，北京 100101；2.北京建筑大學(xué)測繪學(xué)院，北京 100044)

為反映城市旅游客流量與網(wǎng)絡(luò)關(guān)注度空間分布特征及兩者耦合關(guān)系，結(jié)合杭州市38個3A級以上景點(區(qū))旅游客流量與網(wǎng)絡(luò)關(guān)注度數(shù)據(jù)，采用ArcGIS生成Voronoi多邊形構(gòu)造旅游景點的地理空間邊界，測算各景點客流量與網(wǎng)絡(luò)關(guān)注度密度，利用局部多項式空間插值方法，生成客流量、網(wǎng)絡(luò)關(guān)注度密度空間分布圖，并采用非參數(shù)計量方法，分析兩者空間對應(yīng)變動關(guān)系。研究表明：旅游客流量與網(wǎng)絡(luò)關(guān)注度數(shù)據(jù)空間化是實現(xiàn)空間表達(dá)及分析兩者關(guān)系的重要手段。杭州旅游客流量、網(wǎng)絡(luò)關(guān)注度分別形成“雙峰”、“多中心”的空間格局。除千島湖風(fēng)景區(qū)和浙西大峽谷兩個景點外，杭州3A級以上景點旅游客流量與網(wǎng)絡(luò)關(guān)注度密度存在顯著正相關(guān)。這一結(jié)論揭示了多個景點旅游客流量與網(wǎng)絡(luò)關(guān)注度密度具有明顯呼應(yīng)的關(guān)系，同時也表明了旅游需求的變化及景區(qū)的區(qū)位交通條件是影響兩者耦合的重要因素。

客流量；網(wǎng)絡(luò)關(guān)注度；空間分布；Voronoi多邊形；杭州

0 引言

隨著網(wǎng)絡(luò)信息技術(shù)的發(fā)展，旅游網(wǎng)絡(luò)信息與實際客流量關(guān)系的研究備受國內(nèi)外學(xué)者關(guān)注。旅游網(wǎng)絡(luò)關(guān)注度是基于網(wǎng)絡(luò)數(shù)據(jù)的旅游信息，反映與旅游相關(guān)的不同關(guān)鍵詞在一定時間內(nèi)的“用戶關(guān)注度”和“媒體關(guān)注度”[1]。研究旅游網(wǎng)絡(luò)關(guān)注度與現(xiàn)實旅游客流量空間分布特征與關(guān)系，對于調(diào)整旅游產(chǎn)業(yè)空間布局，促進(jìn)旅游目的地可持續(xù)發(fā)展具有重要意義。

西方學(xué)者圍繞著旅游客流量空間分布格局進(jìn)行了大量的理論研究[2]，一些學(xué)者在空間分布規(guī)律識別的研究方法和技術(shù)手段上也做了大量研究，特別是對大尺度下的客流空間集散規(guī)律研究相對深入，重點分析了客流空間分布集中程度[3，4]和客流量空間分布密度[5]。但上述研究都基于“研究區(qū)域是一個封閉可度量的空間”這樣的假設(shè)，將其應(yīng)用到中小尺度旅游目的地的研究尚有難度，因為中小尺度上旅游目的地客流量統(tǒng)計數(shù)據(jù)多以旅游景點為統(tǒng)計對象，而旅游景區(qū)空間邊界在動態(tài)變動且呈現(xiàn)一定的模糊性。隨著旅游產(chǎn)業(yè)融合迭出的新業(yè)態(tài)，尤其是以城市旅游為主要吸引物的區(qū)域，城市資源內(nèi)化為旅游資源，城市活動空間與景區(qū)空間的邊界正在模糊甚至消失。因此，對于中小尺度旅游客流量空間格局的研究，需要空間分布識別技術(shù)方法的突破。

國內(nèi)外學(xué)者關(guān)于網(wǎng)絡(luò)關(guān)注度空間分布格局的研究較少。在空間分布識別的手段上，一般結(jié)合基于百度指數(shù)搜索平臺獲取網(wǎng)絡(luò)關(guān)注度數(shù)據(jù)[6]或加權(quán)測算的旅游網(wǎng)絡(luò)關(guān)注度數(shù)據(jù)[7，8]，采用區(qū)域比較法進(jìn)行空間分析。旅游網(wǎng)絡(luò)關(guān)注度在空間識別上與旅游客流量面臨同樣的技術(shù)問題。客流量與網(wǎng)絡(luò)關(guān)注度密度(為旅游網(wǎng)絡(luò)關(guān)注度與相應(yīng)面積的比值)空間分布從本質(zhì)上看是離散的，但隨著城市活動空間與景區(qū)空間邊界的模糊化，客流量與網(wǎng)絡(luò)關(guān)注度密度可近似看成以空間坐標(biāo)為自變量連續(xù)分布的函數(shù)，這使采用數(shù)據(jù)空間化手段表達(dá)客流量與網(wǎng)絡(luò)關(guān)注度空間分布成為可能，但目前此方面的研究成果較少。

一些學(xué)者采用數(shù)據(jù)比較法[9-11]、相關(guān)分析法[12]、最小二乘法[13]、自回歸分布滯后模型[14，15]、MIDAS[16]、向量自回歸模型[17]等，圍繞旅游目的地客流量與網(wǎng)絡(luò)關(guān)注度的關(guān)系進(jìn)行了大量研究，并得出了兩者正相關(guān)的結(jié)論。但上述研究大都直接利用旅游客流量與網(wǎng)絡(luò)關(guān)注度統(tǒng)計數(shù)值進(jìn)行分析，沒有考慮旅游客流量與網(wǎng)絡(luò)關(guān)注度所依存的地理空間。值得注意的是，在對多個旅游景點研究時，忽視它們依存空間大小的差異，就無法了解它們各自的區(qū)域形態(tài)和空間分布，也無法有效確定其間的關(guān)系；另一方面，這些研究所采用的方法大都以預(yù)設(shè)函數(shù)關(guān)系為基礎(chǔ)，而多個旅游景點旅游網(wǎng)絡(luò)關(guān)注度與實際客流量之間的關(guān)系本身存在一定的復(fù)雜性，預(yù)設(shè)函數(shù)的分析方法難免存在一定的局限性。近年來非參數(shù)建模已在國內(nèi)外被廣泛應(yīng)用，其優(yōu)點為在擬合時并不需要預(yù)先設(shè)定因變量與自變量數(shù)據(jù)之間的函數(shù)關(guān)系，在一定程度上可以避免人為設(shè)定函數(shù)造成的偏差，能較好地反映變量之間的細(xì)微變化，在變量關(guān)系分析中具有獨特的優(yōu)越性[18]。

本文結(jié)合杭州市38個3A級以上景點(區(qū))旅游客流量與網(wǎng)絡(luò)關(guān)注度數(shù)據(jù)，測算各景點客流量與網(wǎng)絡(luò)關(guān)注度密度，利用局部多項式空間插值方法，生成客流量、網(wǎng)絡(luò)關(guān)注度密度空間分布圖，對它們的空間分布特征進(jìn)行分析，并采用非參數(shù)回歸方法，分析杭州市客流量與網(wǎng)絡(luò)關(guān)注度密度的對應(yīng)變動關(guān)系。其次，本文針對旅游景點地理空間邊界模糊的問題，采用ArcGIS生成Voronoi多邊形來構(gòu)造旅游景點的地理空間邊界，由于Voronoi多邊形內(nèi)任何位置距此景點的距離都比該多邊形到其他景點的距離要近，采用這樣的替代方法符合旅游者在游歷過程中會在距離其較近的景點周圍活動的客觀事實。

1 數(shù)據(jù)來源與研究方法

1.1 數(shù)據(jù)來源

本文以杭州市域范圍內(nèi)42個3A級以上旅游景點(區(qū))為研究對象，其中5A級景區(qū)(點)3個，主要包括杭州西湖景區(qū)、千島湖風(fēng)景區(qū)、西溪國家濕地公園；4A級景區(qū)(點)27個，主要包括雷峰塔景區(qū)、清河坊歷史特色街區(qū)、京杭大運河、宋城旅游景區(qū)、野生動物世界景區(qū)、杭州樂園、余杭雙溪竹海漂流景區(qū)、瑤琳仙境景區(qū)、超山風(fēng)景名勝區(qū)、浙西大峽谷、東方文化園等；3A級景區(qū)12個。由于天鐘山旅游景區(qū)、余杭區(qū)農(nóng)夫樂園、杭州新沙島及良渚玉文化產(chǎn)業(yè)園等景點目前尚未創(chuàng)建百度搜索指數(shù)，在研究中舍去這4個旅游景點，只研究其余38個旅游景點。

旅游景點客流量數(shù)據(jù)主要來源于2011-2013年《杭州旅游概覽》及《中國旅游統(tǒng)計年鑒》。根據(jù)百度統(tǒng)計分析報告，目的地名和地區(qū)名是旅游網(wǎng)民搜索最多的信息，其次是交通地圖、旅游攻略、門票查詢、口碑評價、特產(chǎn)購物等。本文選取景點名、景點交通地圖、景點旅游攻略作為查詢關(guān)鍵詞，收集各年每個關(guān)鍵詞每天的網(wǎng)絡(luò)關(guān)注度，然后匯總得到每個關(guān)鍵詞一年的網(wǎng)絡(luò)關(guān)注度，最后將每個關(guān)鍵詞所對應(yīng)的網(wǎng)絡(luò)關(guān)注度匯總求和，得到各景點年網(wǎng)絡(luò)關(guān)注度(表1)。

表1 2011-2013年數(shù)據(jù)統(tǒng)計摘要

Table 1 The statistical summary during 2011-2013

變量平均值標(biāo)準(zhǔn)差最小值最大值景點客流量(萬人/年)315．58651．662．032651．63景點網(wǎng)絡(luò)關(guān)注度(萬人/年)29．9140．003．32176．87

1.2 研究方法

1.2.1 基于Voronoi多邊形的數(shù)據(jù)空間化 在測算旅游景點客流量與網(wǎng)絡(luò)關(guān)注度密度時，都面臨一個問題，即只能收集到各個景點所對應(yīng)的客流量和網(wǎng)絡(luò)關(guān)注度，很難獲得旅游景點地理空間邊界數(shù)據(jù)。為解決這一問題，本文依據(jù)杭州38個景點中心位置，借助Google earth和ArcGIS12.0軟件對所有景點進(jìn)行了地理空間可視化表達(dá)；采用ArcGIS生成Voronoi多邊形構(gòu)造旅游景點地理空間邊界，并將超出杭州整個市域邊界的多邊形進(jìn)行剪切；然后，利用2011-2013年杭州38個旅游景點客流量與網(wǎng)絡(luò)關(guān)注度數(shù)據(jù)，進(jìn)行密度化數(shù)據(jù)處理，計算各Voronoi圖形上相應(yīng)客流量與網(wǎng)絡(luò)關(guān)注度的密度(即景點客流量數(shù)據(jù)與網(wǎng)絡(luò)關(guān)注度數(shù)據(jù)分別除以Voronoi多邊形的面積)，結(jié)果見表2。

表2 2011-2013年密度化數(shù)據(jù)摘要

Table 2 The density data summary during 2011-2013

變量平均值標(biāo)準(zhǔn)差最小值最大值景點年客流量密度(萬人/km2)6．337828．09660．0032170．2080景點年網(wǎng)絡(luò)關(guān)注度密度(萬人/km2)0．39321．74930．000210．6801

根據(jù)測算，2011-2013年杭州旅游景點年客流量密度平均為6.3378萬人/km2，客流量密度最大的3個景點分別為西湖風(fēng)景名勝區(qū)、西溪國家濕地和宋城旅游景區(qū)，客流量密度最小的景點為建德靈棲洞、建德大慈巖和九咆界景區(qū)。2011-2013年杭州旅游景點年網(wǎng)絡(luò)關(guān)注度密度平均為0.3932萬人/km2，密度最大的3個景點分別為西湖風(fēng)景名勝區(qū)、清河坊歷史街區(qū)和浙西大峽谷風(fēng)景區(qū)，最小的景點為建德靈棲洞、建德大慈巖和塘棲琵琶灣。

但基于Voronoi多邊形數(shù)據(jù)密度化的結(jié)果為同一多邊形內(nèi)密度相同，相鄰多邊形之間呈現(xiàn)數(shù)值突變的情況。為此利用各景點客流量與網(wǎng)絡(luò)關(guān)注度密度數(shù)據(jù)，采用局部多項式空間插值方法，生成客流量與網(wǎng)絡(luò)關(guān)注度密度空間分布圖，以實現(xiàn)對兩者空間分布的現(xiàn)實模擬。局部多項式插值是以研究區(qū)域相似性為基礎(chǔ)，采用多個多項式，由已知景點數(shù)據(jù)創(chuàng)建景點客流量和網(wǎng)絡(luò)關(guān)注度密度光滑表面。此方法并非精確的插值方法，但能描述短程變異[18]。

1.2.2 非參數(shù)回歸方法 本文利用2011-2013年38個旅游景點杭州市客流量密度Yi與網(wǎng)絡(luò)關(guān)注度密度xi建立非參數(shù)回歸模型：

Yi=m(xi)+εi(i=1，…，n)

其中，m(xi)為待估計的函數(shù)(反映杭州市旅游客流量密度與網(wǎng)絡(luò)關(guān)注度密度的關(guān)系)，εi為隨機干擾項，i為每個景點對應(yīng)的樣本數(shù)據(jù)，n為研究的總樣本數(shù)量(即各年度樣本數(shù)之和)。假設(shè)函數(shù)m(xi)是p階可導(dǎo)的，在某一點x=x0處作泰勒展開：

本文采用二階多項式進(jìn)行回歸估計，即p=2，并使用“交叉核實”(Cross Validation)的方法確定最優(yōu)帶寬h*為0.49，進(jìn)行參數(shù)估計。

2 旅游客流量—網(wǎng)絡(luò)關(guān)注度空間格局與耦合關(guān)系

2.1 旅游客流量—網(wǎng)絡(luò)關(guān)注度空間格局

利用基于Voronoi多邊形的數(shù)據(jù)空間化方法，生成杭州市域旅游客流量密度分布圖(圖1，見封3)和旅游網(wǎng)絡(luò)關(guān)注度密度分布圖(圖2，見封3)。從圖1可以看出，杭州市旅游客流空間布局呈現(xiàn)“雙核”空間結(jié)構(gòu)特征。其中，旅游客流量密度最高峰值主要集中在杭州主城區(qū)，圍繞著西湖、西溪國家濕地公園、清河坊歷史街區(qū)等景點(區(qū))客流量密度較高。旅游客流量密度另一個峰值出現(xiàn)在淳安縣，圍繞著千島湖風(fēng)景區(qū)客流量密度較高。從圖2可以看出，杭州市旅游網(wǎng)絡(luò)關(guān)注度空間布局已具有多中心空間結(jié)構(gòu)特征，形成3個旅游網(wǎng)絡(luò)關(guān)注度密度高峰值。旅游網(wǎng)絡(luò)關(guān)注度密度最高峰值出現(xiàn)在杭州主城區(qū)，圍繞著西湖、西溪國家濕地公園、清河坊歷史街區(qū)等景點(區(qū))網(wǎng)絡(luò)關(guān)注度密度較高。旅游網(wǎng)絡(luò)關(guān)注度密度另一個峰值在淳安縣，圍繞著千島湖風(fēng)景區(qū)、千島湖情人谷吧等景區(qū)網(wǎng)絡(luò)關(guān)注度密度較高。除了這兩個峰值，不同于客流量空間分布格局，在浙西大峽谷附近形成了旅游網(wǎng)絡(luò)關(guān)注度密度峰值，介于杭州西湖與千島湖網(wǎng)絡(luò)關(guān)注度密度兩個核之間。

不管是旅游客流量空間結(jié)構(gòu)的“雙峰”特征，還是網(wǎng)絡(luò)關(guān)注度空間結(jié)構(gòu)的“多中心”特征，圍繞西湖為中心旅游客流量與網(wǎng)絡(luò)關(guān)注度密度都遠(yuǎn)遠(yuǎn)高于其他景點，兩者的空間布局都是由杭州主城區(qū)所主導(dǎo)，具有城市單中心主導(dǎo)的強中心結(jié)構(gòu)特征。這主要是由于杭州西湖景區(qū)自古以來享有盛名，2002年西湖成為中國第一家免票的5A級景區(qū)，西湖的知名度也非其他旅游景點可比。

2.2 旅游客流量與網(wǎng)絡(luò)關(guān)注度密度非參數(shù)估計

為進(jìn)一步考察旅游客流量密度與網(wǎng)絡(luò)關(guān)注度密度的關(guān)系，本文采用非參數(shù)估計方法——局部多項式回歸模型，對2011—2013年38個景點客流量與網(wǎng)絡(luò)關(guān)注度密度數(shù)據(jù)進(jìn)行分析，通過數(shù)據(jù)自身呈現(xiàn)的變化規(guī)律，探索旅游目的地客流量與網(wǎng)絡(luò)關(guān)注度密度的對應(yīng)關(guān)系。由于西湖客流量及網(wǎng)絡(luò)關(guān)注度密度遠(yuǎn)遠(yuǎn)大于其他旅游景點，在研究中去除西湖景區(qū)這一樣本點。

旅游客流量密度與網(wǎng)絡(luò)關(guān)注度密度的回歸結(jié)果如圖3所示。菱形、圓形、三角形分別代表2011-2013年各年景點客流量密度與網(wǎng)絡(luò)關(guān)注度密度的點對。為便于對比，按旅游網(wǎng)絡(luò)關(guān)注度密度大小分為3個區(qū)間進(jìn)行分析：網(wǎng)絡(luò)關(guān)注度密度高的區(qū)間(1.75～2.57)，主要景點有西溪國家濕地、杭州清河坊歷史文化街區(qū)、宋城旅游景區(qū)；網(wǎng)絡(luò)關(guān)注度密度中的區(qū)間(1.35～1.75)，主要景點有千島湖風(fēng)景區(qū)、浙西大峽谷；網(wǎng)絡(luò)關(guān)注度密度低的區(qū)間(0～1.35)為以上5個景區(qū)之外的其他31個景點。旅游網(wǎng)絡(luò)關(guān)注度密度處于(0，1.35)及(1.75，2.5)區(qū)間時，旅游目的地客流量密度與網(wǎng)絡(luò)關(guān)注度密度存在顯著的正相關(guān)。

圖3 客流量與網(wǎng)絡(luò)關(guān)注度密度非參數(shù)估計

Fig.3 Nonparametric estimate of tourist flow and consumer attention degree of travel network

圖3中，旅游網(wǎng)絡(luò)關(guān)注度密度處于(0，1.35)區(qū)間的景點(區(qū))，如建德大慈巖、建德靈棲洞、臨安錢王陵公園、臨安柳溪江景區(qū)、九咆界景區(qū)、江南水鄉(xiāng)文化博物館等網(wǎng)絡(luò)關(guān)注度低，客流量也較低。這些旅游景區(qū)大都地處建德、臨安、桐廬等縣級及以下區(qū)域，旅游公共服務(wù)體系處于起步階段，旅游發(fā)展整體水平較低，且對外宣傳力度不夠，知名度不高，旅游客流量有限。

旅游網(wǎng)絡(luò)關(guān)注度密度處于(1.75～2.57)區(qū)間的景點(區(qū))如西溪國家濕地、杭州清河坊歷史文化街區(qū)、宋城旅游景區(qū)等網(wǎng)絡(luò)關(guān)注度高，客流量也高。這些景點地處杭州主城區(qū)，交通便捷，加之2003年杭州實施了西湖、西溪濕地、運河“三?！惫こ桃约皻v史文化街區(qū)的保護(hù)與修復(fù)，提升了這些旅游景點的吸引力。同時杭州開發(fā)一系列旅游在線平臺項目，針對這些景點進(jìn)行了大力宣傳，提升了網(wǎng)絡(luò)關(guān)注度。

旅游網(wǎng)絡(luò)關(guān)注度密度處于(1.35，1.75)區(qū)間的景點有千島湖風(fēng)景區(qū)和浙西大峽谷，旅游景點(區(qū))網(wǎng)絡(luò)關(guān)注度密度較高，客流量密度卻不高。究其原因，千島湖為國家5A級景區(qū)，是中國面積最大的森林公園，是世界上島嶼最多的湖。浙西大峽谷位于浙皖接壤的清涼峰國家級自然保護(hù)區(qū)區(qū)域內(nèi)，被譽為“華東第一旅游峽谷”，峽谷最長，植被保護(hù)最好，山水風(fēng)光最佳。千島湖風(fēng)景區(qū)與浙西大峽谷憑借這些優(yōu)勢，一定程度契合了旅游發(fā)展的新需求，近些年隨著工作節(jié)奏加快，越來越多的都市人向往自然、回歸本色，追求恬靜的環(huán)境、清新的空氣、秀麗的風(fēng)景、淳樸的生活風(fēng)味[20]。旅游需求的轉(zhuǎn)變，使千島湖風(fēng)景區(qū)與浙西大峽谷得到越來越多游客的關(guān)注，旅游網(wǎng)絡(luò)關(guān)注度密度較高。然而千島湖風(fēng)景區(qū)、浙西大峽谷的交通區(qū)位條件明顯不如主城區(qū)旅游景區(qū)，且游客旅游成本相對較高，使這些景區(qū)目前并沒有達(dá)到與旅游網(wǎng)絡(luò)關(guān)注度密度值相對應(yīng)的客流量密集度。因此，旅游需求變化和交通區(qū)位條件限制了旅游客流量與網(wǎng)絡(luò)關(guān)注度耦合關(guān)系。

3 結(jié)論與啟示

本文結(jié)合2011—2013年杭州市38個3A級及以上景點(區(qū))客流量與游客網(wǎng)絡(luò)關(guān)注度數(shù)據(jù)，采用基于Voronoi多邊形的數(shù)據(jù)密度化手段，利用局部多項式空間插值方法，生成客流量、網(wǎng)絡(luò)關(guān)注度密度空間分布圖，分析其空間分布特征，采用非參數(shù)計量方法進(jìn)一步分析兩者空間分布對應(yīng)變動關(guān)系，得出以下結(jié)論：

(1)采用ArcGIS生成Voronoi多邊形構(gòu)造旅游景點的地理空間邊界，測算各景點客流量與網(wǎng)絡(luò)關(guān)注度密度，采用局部多項式空間插值方法，創(chuàng)建了旅游客流量和網(wǎng)絡(luò)關(guān)注度密度空間分布圖，解決了旅游景點地理空間邊界模糊的問題，改進(jìn)了旅游空間分布研究的手段與方法，實現(xiàn)了中小尺度旅游空間分布的有效表達(dá)，也有助于將大尺度旅游相關(guān)的空間分布規(guī)律的研究技術(shù)，較好地應(yīng)用于中小尺度旅游地的研究上。在本文旅游客流量數(shù)據(jù)空間化研究的基礎(chǔ)上，可以對超過旅游客流量容量的區(qū)域進(jìn)行預(yù)報預(yù)警，為中小尺度旅游空間客流量預(yù)警研究奠定了基礎(chǔ)。

(2)采用旅游客流量與網(wǎng)絡(luò)關(guān)注度密度分析兩者的空間對應(yīng)關(guān)系，彌補了目前研究中只關(guān)注各景點客流量和網(wǎng)絡(luò)關(guān)注度數(shù)量關(guān)系，忽視它們依存的地理空間而導(dǎo)致空間表達(dá)偏差及兩者關(guān)系誤判的不足。

(3)2011—2013年，杭州旅游客流量已形成“雙峰”的空間結(jié)構(gòu)，網(wǎng)絡(luò)關(guān)注度則為“多中心”的空間結(jié)構(gòu)，除了西湖名勝區(qū)和千島湖景區(qū)兩個集聚區(qū)外，還形成了浙西大峽谷等網(wǎng)絡(luò)關(guān)注度密集區(qū)。但總體而言，旅游客流量與網(wǎng)絡(luò)關(guān)注度空間格局都是由杭州主城區(qū)所主導(dǎo)，依然具有單中心主導(dǎo)的“強中心”結(jié)構(gòu)特征。除千島湖風(fēng)景區(qū)和浙西大峽谷兩個景點外，杭州3A級以上景點旅游客流量與網(wǎng)絡(luò)關(guān)注度密度都存在顯著正相關(guān)。這揭示了多個景點旅游客流量與網(wǎng)絡(luò)關(guān)注度密度具有明顯呼應(yīng)的關(guān)系，同時也表明了旅游需求的變化及景區(qū)的區(qū)位交通條件是影響兩者耦合的重要因素。

杭州實證研究結(jié)論可以較好地理解杭州“旅游西進(jìn)”戰(zhàn)略的引導(dǎo)作用，并為進(jìn)一步促進(jìn)杭州旅游產(chǎn)業(yè)空間合理布局提出建設(shè)性建議。一是杭州旅游發(fā)展應(yīng)充分重視旅游需求新發(fā)展趨勢，重新調(diào)整旅游產(chǎn)業(yè)布局，充分利用千島湖風(fēng)景區(qū)、浙西大峽谷的旅游資源，加快發(fā)展生態(tài)游、鄉(xiāng)村游、休閑度假游，促進(jìn)旅游產(chǎn)業(yè)向杭州西部、北部地區(qū)延伸，推進(jìn)杭州城鄉(xiāng)的區(qū)域統(tǒng)籌發(fā)展一體化新格局；二是要進(jìn)一步完善旅游信息服務(wù)體系、旅游交通便捷服務(wù)體系、旅游行政服務(wù)體系等公共服務(wù)體系，特別是杭州五縣(市)旅游公共服務(wù)的發(fā)展，實現(xiàn)旅游公共服務(wù)在杭州各區(qū)域間、主城區(qū)與五縣(市)間協(xié)調(diào)發(fā)展。

[1] 李君軼.國內(nèi)旅游市場研究——Internet環(huán)境下的新透視[M].北京：科學(xué)出版社，2010.

[2] 吳必虎，俞曦.旅游規(guī)劃原理[M].北京：中國旅游出版社，2010.

[3] 馬曉龍，吳必虎.西安旅游區(qū)旅游流空間結(jié)構(gòu)研究[J].地理與地理信息科學(xué)，2004，20(9)：95-97.

[4] 張春暉，馬耀峰，吳晶，等.供需視角下西部入境旅游流與目的地耦合協(xié)調(diào)度及其時空分異研究[J].經(jīng)濟(jì)地理，2013，33(10)：174-181.

[5] 丁佼，黃曉霞.國內(nèi)旅游客流時空集散規(guī)律研究進(jìn)展[J].云南地理環(huán)境研究，2012，24(5)：44-49.

[6] 林志慧，馬耀峰.旅游景區(qū)網(wǎng)絡(luò)關(guān)注度時空分布特征分析[J].資源科學(xué)，2012，43(12)：2428-2435.

[7] 馮娜，李君軼.外向在線旅游信息流與入境旅游流的耦合分析——以美加入境旅游流為例[J].旅游學(xué)刊，2014，24(4)：79-87.

[8] 王琨，郭風(fēng)華.基于Tripadvisor的中國旅游地國際關(guān)注度及空間格局[J].旅游學(xué)刊，2014，24(4)：79-87.

[9] 路紫，李曉楠，楊小彥，等.基于旅游網(wǎng)站交互功能的訪問者行為多時間維度研究[J].經(jīng)濟(jì)地理，2010，30(12)：2100-2103.

[10] 李山，邱榮旭，陳玲.基于百度指數(shù)的旅游景區(qū)網(wǎng)絡(luò)空間關(guān)注度:時間分布及其前兆效應(yīng)[J].地理與地理信息科學(xué)，2008，24(6):102-107.

[11] 馬麗君，孫根年，黃蕓瑪.城市國內(nèi)客流量與游客網(wǎng)絡(luò)關(guān)注度時空相關(guān)分析[J].經(jīng)濟(jì)地理，2011，31(4):680-685.

[12] 龍茂興，孫根年，龍珍付.遵義紅色旅游網(wǎng)絡(luò)關(guān)注度的客流響應(yīng)研究[J].地理與地理信息科學(xué)，2013，20(5)：98-101.

[13] 龍茂興，孫根年，馬麗君，等.區(qū)域旅游網(wǎng)絡(luò)關(guān)注度與客流量時空動態(tài)比較分析——以四川省為例[J].地域研究與開發(fā)，2011，30(3):82-87.

[14] XIN Y，BING P.Forecasting Chinese tourist volume with search engine data[J].Tourism Management，2015(46)：386-397.

[15] 黃先開，張麗峰，丁于思.百度指數(shù)與旅游景區(qū)游客量的關(guān)系及預(yù)測研究——以北京故宮為例[J].旅游學(xué)刊，2013，28(11):93-100.

[16] PROSPER F,BANGWAYO-SKEETE.Can Google data improve the forecasting performance of tourist arrivals mixed-data sampling approach[J].Tourism Management，2015(46)：454-464.

[17] 汪秋菊.奧運場館水立方的客流量與網(wǎng)絡(luò)關(guān)注度關(guān)系分析[J].東北石油大學(xué)學(xué)報，2013(6)：67-75.

[18] 陳強.高級計量經(jīng)濟(jì)學(xué)[M].北京：高等教育出版社，2014.

[19] 湯國安.ArcGIS地理信息系統(tǒng)空間分析實驗教程[M].北京：科學(xué)出版社，2012.

[20] 張建輝.中國城市居民旅游需求空間差異及變化研究[J].旅游學(xué)刊，2010，25(2)：29-35.

Research on Spatial Feature and Coupling Correlation between Urban Tourist Flow and Network Attention-Degree

WANG Qiu-ju1,HUANG Ming2,LIU Yu1

(1.TourismInstituteofBeijingUnionUniversity,Beijing100101;2.InstituteofSurveyingandMapping，BeijingUniversityofCivilEngineeringandArchitecture,Beijing100044,China)

To explore the spatial feature and coupling correlation between tourist flow and network attention-degree，this paper firstly collects the data of the network attention-degree as well as the tourist flow of 38 scenic spots above 3A levels in Hangzhou,generates geospatial boundaries of scenic spots through Voronoi polygons of ArcGIS,and calculates spatial density of the network attention-degree and the tourist flow.Then,this paper generates the spatial density distribution of tourist flow and network attention-degree with local polynomial interpolation,and analyzes the coupling correlation of them with nonparametric estimation.The result shows that data spatialization of the network attention-degree and the tourist flow is an important method to realize spatial express and explore the correlation of the two.The tourist flow has formed a "Twin Peaks" spatial structure in Hangzhou,which is different from "multi-center" spatial structure of the network attention-degree.There is a positive correlation between the spatial density of the tourist flow and the network attention-degree of Hangzhou′s 38 scenic spots above 3A levels except Qiandao Lake and Zhejiang Western Grand Canyon.This conclusion confirms that there is a coupling correlation between the density of the tourist flow and the network attention-degree,and the change in tourism demand and transportation conditions are the vital factors to influence the coupling correlation between the two.

tourist flow;network attention-degree;spatial distribution;Voronoi polygons;Hangzhou

2015-02-24；

2015-06-05

北京市教育委員會社科計劃面上項目 (SM201411417007)

汪秋菊(1972-)，女，博士,副教授，研究方向為旅游經(jīng)濟(jì)、旅游地理與旅游管理。*通訊作者E-mail：kyshm@126.com

10.3969/j.issn.1672-0504.2015.05.021

F592

A

1672-0504(2015)05-0102-05